Explorar los efectos del vuelo espacial sobre fisiología del ratón utilizando la plataforma abierta de GeneLab de NASA de acceso

Este método puede ayudar a responder preguntas clave en el campo de la biología espacial sobre la generación de hipótesis para ayudar a futuras investigaciones utilizando todos los datos de mezcla disponibles públicamente. La principal ventaja de esta técnica es que se puede utilizar como una herramienta para generar datos de biología espacial. Los datos disponibles públicamente en GeneLab permiten a las investigaciones desarrollar teorías clínicas sobre terapias de enfermedades o contramedidas para la atención médica asociadas con los vuelos espaciales con relativamente poco costo.

Demostrando los hábitats de roedores será Yasaman Shirazi-Fard, que es científico de la misión de la ISS para la investigación de roedores. Después del parto, agrupe a los roedores dentro de las jaulas de vivarium estándar. Y que los animales se aclimaten a las barras de comida para roedores mejoradas de la NASA, lixits y pisos de alambre elevado hasta que los animales sean cargados en el transportador.

Para viajar entre la tierra y la Estación Espacial Internacional, coloque diez ratones por lado en cada transportador para un total de 20 ratones por transportador. Una vez en la Estación Espacial Internacional, conecte la unidad de acceso animal al transportador y utilice cajas de transferencia de ratones para transferir cinco ratones a la vez a los hábitats. Para cargar los ratones en el hábitat, separe la unidad de acceso animal del transportador y acoja la unidad al hábitat de los roedores.

Luego, transfiera los animales de las cajas de transferencia de ratón a los hábitats de roedores donde residirán durante la misión. Todos los días, el video de los animales dentro de los hábitats es examinado por personal capacitado para monitorear la salud y el bienestar de los roedores. La orientación y supervisión de todo el trabajo que involucre a los animales es proporcionada por un veterinario asistente.

Las imágenes infrarrojas se utilizan para ver animales dentro de los hábitats durante la fase oscura del ciclo luz-oscuridad, cuando los ratones son típicamente más activos. Esta vista de cámara muestra barras de comida en la parte superior del marco, una puerta de acceso y una ventana a la izquierda, e iluminación infrarroja a la derecha. La fuente de agua está fuera de la vista de la cámara, detrás de las barras de comida en esta vista.

Este es el hábitat de control del suelo en el segundo día del estudio, durante la fase oscura del ciclo luz-oscuridad. Este hábitat está orientado en la tierra con la bandeja de residuos en la parte inferior de la jaula, la vista de la cámara está mirando hacia abajo a lo largo del vector de gravedad. El animal más cercano a la cámara está sentado en la parte superior de los bares de comida, comiendo.

Hay cinco ratones en este hábitat, aunque sólo unos pocos se observan generalmente a la vez. Los ratones tienden a preferir lugares cerrados como nidos, como el espacio empotrable entre las barras de comida y la pared de la jaula donde se les ve congregarse en esta vista. Esta es también la ubicación de la fuente de agua.

Los ratones se abultan, se acicalan y muestran interacciones sociales que son comportamientos típicos de los ratones en la tierra. Los ratones utilizan las seis paredes del hábitat para moverse libremente y se observan con frecuencia subiendo y bajando las paredes. Este es el hábitat de vuelo en el segundo día del estudio durante la fase oscura del ciclo luz-oscuridad cuando los ratones son típicamente más activos.

Durante el vuelo espacial, como en la tierra, los ratones se mueven alrededor del hábitat usando los seis lados de la jaula. Los ratones exploran y ambulan activamente en todo el hábitat y exhiben los mismos comportamientos que los ratones en la tierra, incluyendo comer, beber, acicalarse e interacciones sociales. Los ratones utilizan diferentes métodos para propulsarse sobre el compartimiento.

Al principio del vuelo, los ratones eran típicamente vistos usando sus extremidades delanteras para tirar de sí mismos a lo largo de la malla de alambre, más tarde durante el vuelo, los ratones tendían a usar las cuatro extremidades para correr a través de la rejilla de alambre que recubre el hábitat. Los ratones también se movieron flotando de un lugar a otro. A medida que los ratones se aclimataban al hábitat durante el estudio Rodent Research One, no sólo se convirtieron en expertos en moverse por el compartimiento, sino que también aprendieron a anclarse a las paredes usando sus colas y/o patas.

Demostrando el análisis de datos, el eje de metadatos y la descripción del estudio será Sam Gebre, un coordinador de datos del equipo de GeneLab. Para encontrar conjuntos de datos para su análisis en GeneLab, abra la página web de GeneLab y haga clic en el repositorio de datos. Introduzca las palabras clave en el cuadro de datos de búsqueda para buscar áreas de interés específicas y seleccionar cualquier otra base de datos de interés que desee.

A continuación, haga clic en el icono de la lupa para iniciar una búsqueda. Cuando se hayan buscado todas las palabras clave y haya revisado los conjuntos de datos, haga clic en herramientas y, a continuación, en el espacio de trabajo colaborativo e inicie sesión o regístrese para obtener una nueva cuenta según corresponda. Después de iniciar sesión, haga clic en ayuda y manual del usuario para acceder a instrucciones detalladas sobre cómo utilizar el área de trabajo.

Para cada usuario, seleccione public gene lab para acceder a todos los conjuntos de datos del repositorio de laboratorios gener y abrir la carpeta con los datos de interés. Para copiar los conjuntos de datos de interés en un espacio de trabajo de directorio local, haga clic con el botón derecho en un archivo individual, seleccione Copiar/mover en el menú que aparece, seleccione la carpeta en la que desea copiar el archivo y haga clic en Copiar. A continuación, busque los conjuntos de datos relacionados con las publicaciones anteriores que acaban de encontrar en la búsqueda de conjuntos de datos y copie los archivos de metadatos en el área de trabajo local.

Para acceder a los archivos de metadatos de cada conjunto de datos de interés, abra la subcarpeta del conjunto de datos de laboratorio de genes públicos y acceda a uno o varios archivos de metadatos contenidos en una subcarpeta de metadatos de cada conjunto de datos para localizar la información de metadatos del conjunto de datos de interés. Asegúrese de que cada conjunto de datos tiene un único archivo comprimido que proporciona metadatos de acuerdo con la especificación de la pestaña de investigación, estudio y ensayo. Abra un editor de texto adecuado para visualizar y acceder a los metadatos de la pestaña de investigación, estudio y ensayo que contiene la descripción del texto para el estudio y los metadatos del ensayo para cada conjunto de datos.

A continuación, compruebe la presencia de los archivos de datos del ensayo de salida que se encuentran dentro de cada subcarpeta del conjunto de datos por tipo de ensayo. Para analizar los datos transcriptómicos, haga clic en las herramientas del menú para y haga clic en galaxia. Utilice la herramienta importador de espacio genómico para importar datos del laboratorio genético, el espacio del genoma.

Los datos aparecerán en el historial de la sección de análisis. Después de confirmar la apariencia y los conjuntos de datos importados y el historial actual, utilice una herramienta GeneLab galaxy para rellenar un formulario en el panel central con opciones para el análisis y la especificación de entradas de datos. Complete el formulario y haga clic en ejecutar para crear trabajos para ejecutar el análisis y compruebe los trabajos enviados que están representados en el historial y codificados por colores para indicar el estado de la ejecución, luego vincule las herramientas al flujo de trabajo complejo, administre los flujos de trabajo con la herramienta de flujos de trabajo y use el menú de datos compartidos para compartir los flujos de trabajo e historiales de conjuntos de datos con otros investigadores.

Como se ilustra en este gráfico representativo, utilizando gráficas de análisis de componentes principales para agrupar las réplicas biológicas, se pueden determinar los genes de vanguardia de los conjuntos de genes de análisis de enriquecimiento conjuntos de genes. Utilizando los genes con 1,2 cambios de pliegue, se pueden predecir los genes implicados en las predicciones de reguladores ascendentes, vías canónicas y bio functions, lo que permite agrupar los genes superpuestos comunes implicados para todos los genes. A continuación, la representación en red de cómo estos genes clave impulsan la respuesta entre los productos roedores y los hábitats de los roedores y los controles de vivarium muestra los centros centrales de cada conjunto de datos que se está analizando.

Por ejemplo, map kinasa uno es el centro central para la misión de transbordador espacial STS108 tejidos musculares esqueléticos de ratones y se puede interpretar como el gen que está impulsando los genes clave y muy probablemente el actor central para causar diferencias biológicas para ratones alojados en hábitats de roedores frente a jaulas de vivarium. Tomando un enfoque de biología de sistemas, el gen de todos los conjuntos de datos que es el más conectado al construir una red a partir de todos los genes clave se determinó entonces, revelando que el mapa quinasa uno es de hecho el gen más conectado y el centro de todos los genes clave. Al intentar el procedimiento, es importante recordar que los investigadores que llevan a cabo experimentos de investigación de roedores de biología espacial trabajarán en estrecha colaboración con los científicos de la misión de investigación de roedores de la NASA, establecerán y realizarán los experimentos.

Además, todos los datos de mezcla relacionados con la biología espacial están disponibles en la plataforma Nasa GenesLab y el uso de este procedimiento es el método más eficiente para desarrollar nuevas hipótesis relacionadas con la biología espacial. Esta técnica también se puede aplicar a cualquier otro conjunto de datos de mezcla relacionados con sistemas biológicos como la biología del cáncer, la enfermedad de Alzheimer y las enfermedades cardiovasculares. Después de su desarrollo, esta técnica allanó el camino para que los investigadores en el campo de la biología espacial comenzaran a considerar la investigación sobre los efectos del dióxido de carbono para los astronautas en la Estación Espacial Internacional.